利用对抗视觉特征包从扩散磁共振图像识别轻度创伤性脑损伤
计算机视觉与模式识别
2018-06-28 v1
摘要
在这项工作中，我们提出对抗特征包（BAF），通过结合无监督特征学习技术，从轻度创伤性脑损伤（MTBI）患者的扩散磁共振图像（MRI）（伤后一个月内获取）中识别该患者。MTBI 是一个日益严重的公共卫生问题，美国每年估计发病超过 170 万人。诊断基于临床病史和症状，缺乏准确、具体的损伤测量。与大多数先前使用从大脑不同部位提取的手工特征进行 MTBI 分类的工作不同，我们采用特征学习算法为该任务学习更具判别性的表示。该领域迄今的一个主要挑战是可用的训练受试者数量相对较少。这使得难以使用端到端卷积神经网络直接从 MR 图像分类受试者。为克服这一挑战，我们首先应用对抗自编码器（具有卷积结构）从提取自不同脑区的重叠图像块中学习块级特征。随后我们通过词袋方法聚合这些特征。我们在一个包含 227 名受试者（包括 109 名 MTBI 患者和 118 名年龄与性别匹配的健康对照）的数据集上进行了广泛实验研究，并将深度特征包与几种先前方法进行比较。我们的实验结果表明，BAF 显著优于依赖所选脑区 MR 度量平均值的早期工作。
引用
@article{arxiv.1806.10419,
title = {MTBI Identification From Diffusion MR Images Using Bag of Adversarial Visual Features},
author = {Shervin Minaee and Yao Wang and Alp Aygar and Sohae Chung and Xiuyuan Wang and Yvonne W. Lui and Els Fieremans and Steven Flanagan and Joseph Rath},
journal= {arXiv preprint arXiv:1806.10419},
year = {2018}
}
备注
IEEE Transactions on Medical Imaging